Binnen NPPL hebben melkveehouders eigen behoeften aan data en precisietechnieken. Dat bleek tijdens de bijeenkomst voor melkveehouders die eind januari in Ens (Fl.) plaatsvond. Voor zes melkveehouders en enkele betrokken is door medewerkers van NPPL / Wageningen University & Research de stand van zaken en gewenste richting geschetst. Er is veel mogelijk maar meer onderzoek, praktijkervaring en tools zijn nodig om gegenereerde data beter te kunnen gebruiken.

De meeste NPPL-ontwikkelingen gebeuren in de akkerbouw en daarmee loopt die sector op een aantal gebieden voorop. Toch zijn de afgelopen jaren ook een aantal melkveehouders met precisietechnieken aan de slag gegaan. Tijdens de bijeenkomst wisselen NPPL-deelnemers Coen Overvest, Ad van Velde, Zwier van der Vegte (van De Marke) en Gerard Uijterlinde hun ervaringen uit; Tjerk Hof en Geert Stevens zijn, binnen andere projecten, met dezelfde thema’s bezig.

NIR-techniek

De bijeenkomst werd afgetrapt met een presentatie van de belangrijkste thema’s door betrokken WUR-deskundigen. Het bepalen van de mestsamenstelling met NIR-techniek biedt volgens Fedde Sijbrandij mogelijkheden maar met name de kali- en fosfaatmeting blijkt in de praktijk mede vanwege het hoog vochtgehalte niet altijd even betrouwbaar. Ook bij stikstof is een grote spreiding te zien in de resultaten.

Verschillen in de bodem om met de bemesting (of andere toepassingen) rekening te houden zijn onder andere met drone- of satellietbeelden in beeld te brengen. Ervaringen met de bruikbaarheid zijn wisselend; op het bedrijf van Gerard Uijterlinde blijken allerlei factoren, zoals historische keuzes in teelt en beregenen, het beeld te verstoren. “Misschien moeten we meerjarige kaarten over elkaar heen leggen om een betrouwbaar beeld te krijgen over de toestand van de grond.”

Secuur beregenen

Herman van Schooten ging in op irrigatie met druppelslangen. Daarbij zijn verschillende systemen vergeleken, zowel ondiepe, eenmalige druppelslangen op verschillende afstanden in mais, als permanente irrigatie op 40 centimeter diepte in grasland.

In het algemeen geven ondergrondse en bovengrondse druppelslangen bij gras en mais een hogere opbrengst dan bij traditionele beregening. Bij eenmalige toepassingen zijn kosten en arbeid wel een beperking. Voor grootschalige toepassing lijkt het nog niet geschikt. Maar de groep ziet wel de potentie, zeker voor behoud van hoogproductief blijvend grasland.

Bodemvochtsensoren

Op het gebied van secuur beregenen zijn ook bodemvochtsensoren toegepast. Met behulp van sensoren op basis van zuigspanning optimaal beregenen levert drogestof en Ruw Eiwit op, maar daar hangt vanzelfsprekend wel een kostenplaatje aan. Goed acteren op de bodemsituatie blijft voor de praktijk een uitdaging, omdat de ondernemer snel te laat is, blijkt uit ervaringen van de groep.

Een ander item is plaatsspecifieke onkruidbestrijding, ridderzuring in deze proeven. Met drones of camera’s op de spuit zijn plekken met het onkruid in beeld te brengen, waarna met taakkaarten gericht te spuiten is. Een opmerking uit de groep is dat het algoritme nog onvoldoende is getraind om bijvoorbeeld in grasland klaver te onderscheiden van ridderzuring. Ook de juiste timing van openen van een spuitdop is een aandachtspunt, hoewel dit kan worden opgevangen met een grofmazige taakkaart. Uijterlinde zegt desondanks flink op middel te kunnen te besparen. Globaal is met 10% middel ongeveer 60% van de ridderzuring geraakt.

Opbrengstbepaling

Opbrengstbepaling is op meerdere manieren mogelijk schetst Sijbrandij: via de drone, satelliet, de hakselaar met NIR, of met bijvoorbeeld de pasture reader (sensor). Bij langer gras is die laatste minder nauwkeurig blijkt uit ervaringen van de groep. Op de Marke is ervaring met opbrengstmeting en zijn gegevens per perceel bekend. Zwier van de Vegte ziet vooral dat de weersomstandigheden, zoals vochtigheid en temperatuur, sterk van invloed zijn op de te verwachten grasgroei en dus de bruikbaarheid, als het gaat om de planning van weidegang.

Opbrengstmeting op de hakselaar komt steeds vaker voor en geeft vooral goed inzicht in de verschillen tussen percelen, en dan geoogst op dezelfde dag. Een beperking is de nauwkeurigheid, het voorkomen van fouten (bijvoorbeeld het verkeerde perceel ingevoerd) en het verwerken en analyseren van data. Het aansluiten van verschillende systemen op elkaar blijft een belangrijke uitdaging. Plaatsspecifiek de opbrengst meten is een wens, maar dit is nog geen realiteit.

Geert Stevens benadrukt dat het lastige op melkveebedrijven met weidegang blijft dat de opname van vers gras hooguit als sluitpost wordt berekend. Hoeveel werkelijk is opgenomen en vooral wat er nog staat is moeilijk in beeld te brengen en juist daar is wel behoefte aan.

Optimaliseren grasmanagement

De focus voor precisietoepassingen ligt bij een aantal veehouders vooral bij het optimaliseren van het (gras)management. Zo ontwikkelde Tjerk Hof met zijn vrouw Greet een digitale graslandgebruikskalender. Hij is ook bestuurslid in stichting Boer & Data en voorheen actief binnen Smart Farming.

Zijn doel is om meer grip te krijgen op de interne en externe data. Daarvoor is onder andere koppeling met andere systemen mogelijk. Hof is strijder voor volledig beheer en zeggenschap over eigen data. “Data is de sleutel tot verandering maar een valkuil als je het niet in eigen hand kunt houden.”

Met de graslandkalander staan alle gegevens op één plek, zoals mest- en grondmonsters, gebruikte (kunst)mestsoorten en historische opbrengsten. Ook andere data van binnen en buiten het bedrijf is koppelbaar, zoals voeropname en melkgift. Gegevens inzichtelijk maken brengt de consequenties van veranderingen in beeld en waar het beste op is te sturen. Eén van zijn ambities is om met minder kunstmest minimaal dezelfde grasopbrengst te realiseren, zoals met kruidenrijk grasland. “Als je hier bewust mee bezig bent volgen de milieukengetallen vanzelf.”

Digitale registraties

Voor het operationeel gebruiken van een groeimodel zijn digitale registraties onmisbaar benadrukt Sijbrandij. Op het geodata service platform Farmmaps (www.farmmaps.eu), waar iedere gebruiker een eigen account en veilige opslag van data heeft, is een digitale graslandgebruikskalender gelanceerd. Deze heeft een aanvullende opties om binnen een perceel variatie te registeren. Op basis daarvan worden modellen voor grasgroei voorspelling (GrasSignaal) en graslandmanagement rond maaien en weidegang (GripOpGras) gevoed.

GrasSignaal voorspelt de opbrengst en kwaliteit van gras voor een weersverwachtingstermijn van vijf dagen. Het geeft per perceel een attentie voor maaien of weiden voor een gewenst opbrengstniveau of ruw eiwitgehalte. Het brengt de opbrengst, de dagelijkse groei, het ruw eiwitgehalte, de stikstofopname, de energie-inhoud (VEM) en de vochtvoorziening in beeld.

De app Grip op Gras verwerkt de vastgelegde grashoogte en grasopbrengst in Feedwedge en Maaivenster. De Feedwedge zet de op de weidepercelen aanwezige droge stofopbrengst uit tegen de voor de beweiding benodigde drogestofopbrengst. In het Maaivenster worden de aanwezige drogestofopbrengst en de verwachte bijgroei uitgezet tegen de gewenste maaiopbrengst om het juiste maaitijdstip te plannen.